Prediksi Tindak Pidana Pencurian Dengan Metode K-Nearest Neighbor Classifier Machine Learning Oleh Penyidik Polresta Bandar Lampung Di Era Police 4.0
| Nama Orang : | Febry Hermawan |
| Subjek : | |
| Penerbitan : | Jakarta : STIK , 2023 |
| Bahasa : | Indonesia |
| Deksipsi Fisik : | ii,191 hlm.; Ilus : 30 cm |
| Catatan Umum : | |
| Lembaga Pemilik : | Perpustakaan STIK |
| Lokasi : | 3 |
| No. Panggil | No. Barkod | Ketersediaan |
|---|---|---|
| 80-2023-174 | TERSEDIA |
| Ulasan: |
| Tidak ada ulasan pada koleksi ini: 59165 |
Era revolusi industri 4.0 adalah suatu masa di mana teknologi siber dan fisik
berkolaborasi. Walaupun demikian, terdapat dampak negatif yang ditimbulkan oleh era
revolusi industri 4.0, salah satunya adalah meningkatnya angka kriminalitas. Penelitian
ini bertujuan untuk memprediksi jenis tindak pidana pencurian yang terjadi di wilayah
Polresta Bandar Lampung dengan algoritm k-Nearest Neighbor, mengevaluasi hasil
prediksinya dan mem-profiling hasil prediksi yang dilakukan oleh penyidik Polresta
Bandar Lampung dalam upaya pencegahan dan penanganan tindak pidana pencurian
di wilayah hukum Polresta Bandar Lampung.
Pernyataan yang dikeluarkan oleh Umoh et al (2021) menyatakan bahwa
algoritma k-NN memiliki tingkat akurasi yang paling tinggi yaitu 96,7597% jika
dibandingkan dengan algoritma lainnya seperti SVM dan RF. Selain itu, penelitian yang
dilakukan oleh Sivaranjani et al (2017) juga menyebutkan bahwa algoritma k-NN
merupakan algoritma yang dapat digunakan untuk memprediksi tindakan kriminalitas
dengan berbagai metode clustering dengan nilai akurasi sebesar 95%.
Pendekatan dilakukan dengan menggunakan metode kuantitatif algoritma k-
Nearest Neighbor menggunakan aplikasi Rapidminer dengan memanfaatkan 1671 data
laporan kepolisian Polresta Bandar Lampung dan metode survei dengan kuesioner yang
dilakukan kepada 49 penyidik polisi Polresta Bandar Lampung. Teknik pengumpulan
data dilakukan dengan valid dan reliabel yang kemudian data laporan kepolisian akan
digunakan untuk prediksi dan data kuesioner akan digunakan sebagai pendukung
validitas prediksi.
Pada hasil klsifikasi dan kuesioner ditemukan bahwa mayoritas korban tindak
pidana pencurian adalah laki-laki dewasa yang tidak memiliki pekerjaan dan tinggal di
perkotaan. Selain itu juga ditemukan bahwa pencurian mayoritas terjadi di tempat parkir
daerah perkotaan pada Senin pagi di mana pelaku menggunakan alat dan mengincar
benda bergerak dengan cara merusak kunci yang menyebabkan kerugian sekitar 10-50
juta rupiah. Jenis pencurian ini adalah pencurian dengan pemberatan (Curat) yang
mengena pada pasal 363 KUHP.
Hasil prediksi menunjukkan bahwa nilai ketetanggaan (K) dan rasio pembagian
data training dan testing berturut-turut adalah K = 3 dan 7:3. Prediksi menggunakan nilai
K dan rasio pembagian data tersebut menunjukkan tingkat akurasi yang tinggi yaitu
99,20%. Selain itu, hasil kuesioner juga menunjukkan hasil yang sejalan dengan hasil
klasifikasi dengan tingkat akurasi terhadap data sebenarnya sebesar 75,7122%.
Maka dengan meningkatkan kemampuan pemahaman penyidik Polresta Bandar
Lampung dalam memanfaatkan teknologi untuk prediksi tindak pidana pencurian, maka
angka terjadinya tindak pidana pencurian dapat ditekan.
berkolaborasi. Walaupun demikian, terdapat dampak negatif yang ditimbulkan oleh era
revolusi industri 4.0, salah satunya adalah meningkatnya angka kriminalitas. Penelitian
ini bertujuan untuk memprediksi jenis tindak pidana pencurian yang terjadi di wilayah
Polresta Bandar Lampung dengan algoritm k-Nearest Neighbor, mengevaluasi hasil
prediksinya dan mem-profiling hasil prediksi yang dilakukan oleh penyidik Polresta
Bandar Lampung dalam upaya pencegahan dan penanganan tindak pidana pencurian
di wilayah hukum Polresta Bandar Lampung.
Pernyataan yang dikeluarkan oleh Umoh et al (2021) menyatakan bahwa
algoritma k-NN memiliki tingkat akurasi yang paling tinggi yaitu 96,7597% jika
dibandingkan dengan algoritma lainnya seperti SVM dan RF. Selain itu, penelitian yang
dilakukan oleh Sivaranjani et al (2017) juga menyebutkan bahwa algoritma k-NN
merupakan algoritma yang dapat digunakan untuk memprediksi tindakan kriminalitas
dengan berbagai metode clustering dengan nilai akurasi sebesar 95%.
Pendekatan dilakukan dengan menggunakan metode kuantitatif algoritma k-
Nearest Neighbor menggunakan aplikasi Rapidminer dengan memanfaatkan 1671 data
laporan kepolisian Polresta Bandar Lampung dan metode survei dengan kuesioner yang
dilakukan kepada 49 penyidik polisi Polresta Bandar Lampung. Teknik pengumpulan
data dilakukan dengan valid dan reliabel yang kemudian data laporan kepolisian akan
digunakan untuk prediksi dan data kuesioner akan digunakan sebagai pendukung
validitas prediksi.
Pada hasil klsifikasi dan kuesioner ditemukan bahwa mayoritas korban tindak
pidana pencurian adalah laki-laki dewasa yang tidak memiliki pekerjaan dan tinggal di
perkotaan. Selain itu juga ditemukan bahwa pencurian mayoritas terjadi di tempat parkir
daerah perkotaan pada Senin pagi di mana pelaku menggunakan alat dan mengincar
benda bergerak dengan cara merusak kunci yang menyebabkan kerugian sekitar 10-50
juta rupiah. Jenis pencurian ini adalah pencurian dengan pemberatan (Curat) yang
mengena pada pasal 363 KUHP.
Hasil prediksi menunjukkan bahwa nilai ketetanggaan (K) dan rasio pembagian
data training dan testing berturut-turut adalah K = 3 dan 7:3. Prediksi menggunakan nilai
K dan rasio pembagian data tersebut menunjukkan tingkat akurasi yang tinggi yaitu
99,20%. Selain itu, hasil kuesioner juga menunjukkan hasil yang sejalan dengan hasil
klasifikasi dengan tingkat akurasi terhadap data sebenarnya sebesar 75,7122%.
Maka dengan meningkatkan kemampuan pemahaman penyidik Polresta Bandar
Lampung dalam memanfaatkan teknologi untuk prediksi tindak pidana pencurian, maka
angka terjadinya tindak pidana pencurian dapat ditekan.
:: Perpustakaan Sekolah Tinggi Ilmu Kepolisian (STIK)
LONTAR 4 :: Library Automation and Digital Archive